本文轉自雷鋒網(wǎng)，如需轉載請至雷鋒網(wǎng)官網(wǎng)申請授權。

過去幾年，芯片行業(yè)的市場競爭發(fā)生了一些有趣的變化。PC處理器市場，長久以來的霸主英特爾面對著AMD的猛烈攻勢。手機處理器市場，高通已經(jīng)連續(xù)五個季度讓出了出貨量第一的寶座，聯(lián)發(fā)科意氣風發(fā)。

傳統(tǒng)芯片巨頭們競爭加劇之時，擅長軟件和算法的科技巨頭們相繼開始自研芯片，讓芯片行業(yè)的競爭變得更加有趣。

這些變化的背后，一方面是因為2005年之后摩爾定律變緩，更重要的是數(shù)字化迅速發(fā)展所帶來的差異化需求。

芯片巨頭們提供的通用芯片性能固然可靠，而自動駕駛、高性能計算、AI等日益龐大而多種多樣的應用需求，在性能之外更多的是追求差異化的功能，科技巨頭們不得不開始自研芯片，以鞏固其對終端市場的把握能力。

芯片市場競爭格局變化的同時，可以看到芯片行業(yè)將會迎來更大的變革，推動這一切變革的因素正是近幾年非常火熱的AI。

有業(yè)界專家說，AI技術會給整個芯片行業(yè)帶來顛覆性變化。新思科技首席創(chuàng)新官、AI實驗室負責人、全球戰(zhàn)略項目管理副總裁王秉達對雷峰網(wǎng)表示，“如果說是用引入AI技術的EDA（Electronic Design Automation）工具設計芯片，我認同這種說法。”

如果將AI應用于芯片設計的單個環(huán)節(jié)，能夠把經(jīng)驗豐富工程師的積累融入EDA工具中，大幅降低芯片設計的門檻。如果將AI應用于芯片設計的整個流程，同樣可以利用已有的經(jīng)驗優(yōu)化設計流程，顯著縮短芯片設計周期的同時，提升芯片性能，降低設計成本。

芯片行業(yè)“質變”

摩爾定律持續(xù)有效的二十多間年，芯片公司們借助晶體管的持續(xù)微縮，就能夠獲得性能和能效的持續(xù)大幅提升。因此，過去幾十年間，硬件和軟件可以說是“井水不犯河水”，通用的硬件有固定的架構，算力持續(xù)提升，產(chǎn)品以年為周期更新。系統(tǒng)公司在通用芯片的基礎上，在軟件層面創(chuàng)新，產(chǎn)品以周甚至天進行迭代。

“現(xiàn)在的趨勢是軟硬件聯(lián)合設計，芯片的軟件和硬件界限不再那么分明。”王秉達指出，“打破這種界限是AI芯片的出現(xiàn)，因為AI芯片的架構不像CPU、GPU一樣固定，AI芯片的設計者可以根據(jù)應用的需求，組合通用的AI算子設計出專用架構和芯片。”

新思科技全球總裁兼首席運營官Sassine Ghazi也表示，數(shù)字化趨勢下，大型系統(tǒng)級公司紛紛自研芯片，通過定制芯片來優(yōu)化其應用程式或工作負載。在中國市場，包括汽車的電氣化和無人駕駛、AI、超大規(guī)模的數(shù)據(jù)中心在內(nèi)的細分市場正在發(fā)生重大轉變，他們都希望通過定制SoC來實現(xiàn)系統(tǒng)的差異化，從而找到整體業(yè)務的差異點，擁有差異化的競爭優(yōu)勢。只有擁有更好的芯片，才能使他們的系統(tǒng)架構與眾不同。而領域專用架構（DSA，Domain Specific Architecture）能夠體現(xiàn)出他們的系統(tǒng)架構的獨特優(yōu)勢之處。

也就是說，領域專用架構可以讓芯片設計者決定部分算法變成硬件、部分算法繼續(xù)采用軟件方式，以更加靈活的方式，通過軟硬更好的協(xié)同，更加高效地滿足最終應用的需求。這樣一來，架構創(chuàng)新成為了接下來芯片領域競爭的關鍵。

2019年初，兩位圖靈獎者John L. Hennessy 和 David A. Patterson發(fā)表了一篇長篇報告《A New Golden Age for Computer Architecture》，他們展望未來的十年將是計算機體系架構領域的“新的黃金十年”。在王秉達看來，這可能需要能夠自動進行架構探索的EDA新工具，如綜合深度學習加速器來更好地適配特定應用的需求。

“架構的變化會帶來非常多不確定性，以往通用芯片的架構確定，主要是在制程方面進行提升。”王秉達說，“新思提出的SysMoore理念，則要把從架構到制程再到系統(tǒng)層面的所有因素都考慮在內(nèi)，帶來的變化和不確定性完全依靠傳統(tǒng)方式無法解決，AI能夠發(fā)揮很大的作用。”

除了不確定性，架構的創(chuàng)新也要求芯片從設計到生產(chǎn)應有的周期大幅縮短，否則難以快速滿足需求的變化。

早在2018年，美國國防部高級研究計劃局（DARPA）就提出了兩個新的項目IDEA（Intelligent Design of Electronic Assets）和POSH（Posh Open Source Hardware），目標正是從IP和EDA兩個維度縮短芯片設計的流程，節(jié)省研發(fā)時間。

AI與EDA的融合，能夠從根本上解決這些挑戰(zhàn)。

AI技術將顛覆芯片設計

今年六月，谷歌團隊在國際頂級期刊Nature上發(fā)表了一篇題為《一種用于加速芯片設計的布局規(guī)劃方法（Chip Design with Deep Reinforcement Learning）》的論文，文章指出，利用深度學習，人類工程師需要數(shù)月完成的工作，谷歌用AI僅需要6小時就能達到相同效果，提升達到數(shù)百倍。

王秉達說：“采用具有AI技術的EDA工具來設計芯片，時間肯定會縮短，這是毋庸置疑的，只是時間縮短的幅度有所不同。”

AI能夠縮短芯片設計周期的原因并不復雜，主要是讓AI先通過學習，有了知識的累積，在后續(xù)使用的過程中遇到相同或者類似的問題能夠以更快的速度解決問題，所以帶有AI的EDA可以節(jié)省芯片設計周期幾乎是一個定論。

AI應用于EDA有兩種形式，由于芯片設計是一個很長的復雜流程，整個過程中可能需要十幾個EDA工具，因此AI既可以應用于EDA點工具中來優(yōu)化單個芯片設計環(huán)節(jié)，也可以用于整個芯片設計流程的優(yōu)化。

如果是用于單個EDA點工具中，其發(fā)揮的作用就相當于經(jīng)驗共享，能夠讓一個只有幾年工作經(jīng)驗的工程師，能夠達到有豐富經(jīng)驗設計者的水平。“目前芯片架構的設計依賴架構師的經(jīng)驗，如果能夠把架構師累積的經(jīng)驗，借助AI技術融入EDA工具中，就可以大幅降低芯片設計的門檻，效率也能大幅提升。”王秉達指出。

如果是貫穿在整個芯片設計流程中的AI，就需要開發(fā)者對于AI運行的方式有所了解。王秉達解釋，“用AI技術優(yōu)化芯片設計的流程，需要客戶根據(jù)實際進度不斷進行調(diào)節(jié)。比如傳統(tǒng)的流程中每一步的用時和順序都很固定，完成前面的步驟才會進入后續(xù)步驟。加入AI之后，可能步驟一的時間只需要原來的一半，步驟二時間只需要原來的十分之一，這時候就需要用戶進行相應的調(diào)整。”

當然，將AI與EDA工具融合不僅可以顯著節(jié)省研發(fā)時間，還能帶來芯片性能的提升和設計成本的降低。

以新思科技的DSO.ai為例，美國頭部IDM廠商采用DSO.ai后成果顯著，芯片設計的時間提升2-5倍，SoC芯片能耗整體提升9%。將DSO.ai應用于不同類型芯片的設計流程，僅需一位工程師就能帶來顯著的時間節(jié)省和性能提升。

“不同類型和場景的芯片，AI能帶來的提升并不相同。這是因為，芯片整個設計過程需要經(jīng)歷幾百萬或者上千萬個步驟，不同的流程AI帶來的提升程度并不一致，同時，上一步優(yōu)化的結果影響著下一步AI提升的效果。”王秉達指出，“EDA加入AI之后，在節(jié)省芯片設計時間的同時，在相同時間內(nèi)就可以讓設計師專注于優(yōu)化性能和做核心功能的創(chuàng)新，自然更容易設計出性能更好的芯片，整體的成本也能夠相應降低。”

未來，從芯片的架構設計、制造以及封裝的全流程都會融入AI技術。至于芯片設計的周期能否從以年為單位變?yōu)橐栽聻閱挝唬醣_認為，通過AI + EDA大幅縮短芯片設計環(huán)節(jié)的周期是明確的，但縮短芯片從設計到制造的整個生命周期還需要整個產(chǎn)業(yè)鏈的共同努力。

芯片差異化競爭的時代

進一步探討AI將給芯片行業(yè)帶來的變革之前，需要先解答一個疑問。AI發(fā)展的一個關鍵要素是足夠多的數(shù)據(jù)，訓練EDA的AI數(shù)據(jù)足夠嗎？王秉達說：“EDA本身就是一個精密科學，即使在AI到來之前，EDA中就有精確的算法，計算出來的數(shù)據(jù)我們稱之為‘黃金數(shù)據(jù)’。AI的出現(xiàn)，讓我們可以更好的利用黃金數(shù)據(jù)訓練，讓EDA工具變得更加智能。”

“EDA的AI對數(shù)據(jù)的依賴也沒有許多行業(yè)那么強，但也需要用戶的反饋，幫助我們持續(xù)提高EDA工具的智能化水平。新思的獨特優(yōu)勢在于，我們擁有芯片設計全流程的工具，這讓我們可以在整個程中都使用AI，帶來更顯著的全面提升。”王秉達進一步表示。

當用戶的設計與訓練好的工具有重合性時，就能迅速完成大部分的設計，節(jié)省大量時間，剩下的工作就是一些優(yōu)化的工作。

“用戶也可以使用他們擁有的數(shù)據(jù)對EDA工具進行二次訓練，這樣客戶就可以擁有更個性化和定制化的工具，設計出更有特色的產(chǎn)品。”王秉達說，“我們的大部分產(chǎn)品都會開放這個接口。”

但要更好發(fā)揮AI在芯片設計中的作用，如何找到結合點成為挑戰(zhàn)。“要發(fā)揮AI在芯片設計中的最大效益，難點在于找到AI與具體領域最巧妙的結合點，這時候就依賴設計者對于專用領域的認知。”王秉達認為。

在這樣的競爭中，系統(tǒng)公司的優(yōu)勢更加明顯。他們對自身的業(yè)務更加了解，對算法的了解更加深入，并且有大量數(shù)據(jù)，只是欠缺芯片設計的經(jīng)驗。但融入AI的EDA工具，恰好能降低系統(tǒng)公司設計芯片的門檻，還能幫他們更快、更好地設計出芯片。

“我相信，AI +EDA工具會很快從數(shù)字設計應用到幾乎所有領域，幾年內(nèi)，所有芯片設計的流程里都會有AI。”王秉達表示。

那時候，芯片行業(yè)的競爭，可能會演變?yōu)橄到y(tǒng)公司領域專用芯片之間的競爭。通用芯片公司又將怎么面對這樣的競爭呢？

王秉達認為，通用芯片公司的優(yōu)勢在于對芯片架構的了解，能夠以合適的工藝，以最優(yōu)的成本按時間窗口把芯片做出來，但缺乏的是對系統(tǒng)、終端應用的深入了解。芯片設計公司需要找到好的系統(tǒng)公司合作深入挖掘需求，以提供靈活的、能適應多個終端應用的通用芯片。

面對這兩類客戶，新思科技提供的是完全不同的服務。對于系統(tǒng)公司，目標是通過各種IP模塊和設計工具幫助他們解決芯片架構和工藝的選擇；對于通用芯片公司，目標是通過仿真驗證、快速原型等更快、更易用的工具，使芯片生產(chǎn)出來之前就能模擬出實際的性能、功耗等表現(xiàn)，節(jié)約成本和設計周期。